-
题名面向时空资源分配的智能集群自组织预测方法
- 1
-
-
作者
王宏为
刘玮
郭靠
王紫昊
-
机构
武汉工程大学计算机科学与工程学院湖北省智能机器人重点实验室
-
出处
《计算机工程与应用》
北大核心
2025年第14期176-184,共9页
-
基金
国家自然科学基金面上项目(52371373)
湖北省高等学校优秀中青年科技创新团队计划项目(T2023009)
武汉工程大学第十六届研究生教育创新基金(CX2024153)。
-
文摘
在智能集群系统中由于动态环境和不完全信息的影响,资源的需求和供应会不断变化,需要实时调整资源分配策略。针对智能集群在不确定或有限信息下的动态资源分配问题,提出了一种面向时空资源分配的智能集群自组织预测方法。引入时空多智能体强化学习(STMARL)框架,通过深度Q网络(DQN)和长短期记忆单元(LSTM)对时空依赖性进行建模,分析智能集群在空间和时间上的动态行为和交互关系,进而使用一种基于信任模型的复合自组织Q-learning算法,使智能体在选择合作伙伴时能够利用自己的经验和其他智能体的意见。Q-learning算法使智能体能够独立评估适应关系的奖励,旨在提高系统的通信协调能力和动态环境适应能力以实现资源的合理分配。在无人电动汽车充电实验场景中,充电桩作为智能体,自组织充电调度在家庭和公共充电模式下,总负荷范围缩减幅度最高可达90.37%和49.33%,使总峰谷负荷差最小,有助于提高微电网的安全性和可靠性。
-
关键词
时空建模
多智能体
自组织
智能集群
无人电动汽车充电场景
-
Keywords
spatiotemporal modeling
multi-agent
self-organization
intelligent clusters
unmanned electric vehicle charging scenario
-
分类号
TP311.5
[自动化与计算机技术—计算机软件与理论]
-
-
题名融合域自适应网络和多尺度特征聚合的息肉分割网络
- 2
-
-
作者
廖文涛
徐国平
吴兴隆
张炫
周华兵
-
机构
武汉工程大学计算机科学与工程学院
-
出处
《计算机工程与应用》
2024年第18期239-247,共9页
-
基金
国家自然科学基金面上项目(62171327)
广东省数字孪生人重点实验室项目(2022B1212010004)
+1 种基金
武汉工程大学湖北省智能机器人重点实验室项目(HBIRL 202202)
武汉工程大学研究生创新基金(CX2022325,CX2022349)。
-
文摘
基于深度学习的方法在息肉图像分割上取得了巨大成功,然而仍存在两个问题阻碍高精度息肉识别的发展。第一,不同设备收集的图像在特征分布上存在差异,使得不同息肉分割数据集存在域偏移的问题。第二,现有的模型专注于处理相同尺度大小的特征,限制了模型对多尺度特征的捕捉能力。为解决这些问题,提出了一个域自适应模块和一个多尺度特征聚合模块。域自适应模块采用无监督的方式,自适应不同域图像之间的偏移。将域自适应后的图像输入编码器,获取不同感受野大小的特征图,利用提出的多尺度特征聚合模块,将具有不同感受野的特征图进行聚合,提高模型对不同尺度病灶的分割能力。在五个公开的息肉分割数据集上,与使用广泛的结直肠息肉分割方法进行比较。在Kvasir和ClinicDB数据集上,提出的方法在Dice和IoU指标上与所对比的经典分割方法相比,取得了更好的结果。在验证模型泛化性能的数据集上,依旧表现出稳定的分割性能。综上所述,采取融合域自适应网络和多尺度特征聚合的息肉分割网络可以有效分割息肉图像,并具有良好的泛化性能。
-
关键词
息肉分割
域自适应
多尺度特征聚合
医学图像处理
-
Keywords
polyp segmentation
domain adaptation
multi-scale feature aggregation
medical image processing
-
分类号
TP391
[自动化与计算机技术]
-
